环境科学  2025, Vol. 46 Issue (4): 1964-1973   PDF    
基于InVEST模型的粤港澳大湾区湿地碳储量时空变化分析
朱明凤, 赵克飞, 邵铮, 李乐     
广东工业大学管理学院,广州 510520
摘要: 湿地生态系统碳汇对实现“双碳”目标具有重要意义. 采用长时间序列和精细化湿地分类数据分析粤港澳大湾区1990~2020年的湿地时空变化特征, 并基于InVEST模型评估其湿地生态系统的碳储量及固碳能力变化. 结果表明:①1990~2020年间, 大湾区湿地面积呈现先增加后减少的特征, 其中, 1990~2000年增加, 2000~2020年持续减少, 截至2020年, 湿地面积增加了181.08 km2, 主要增长类别为河渠和水库/坑塘. 大湾区湿地主要分布在珠江及其支系水系沿岸以及黄茅海湾、淇澳岛、深圳湾这3个滨海区域. ②1990~2020年, 大湾区湿地生态系统碳储量也呈现先增加后减少的特征, 截至2020年, 湿地碳储量减少了0.12×106 t. 主要湿地类别的平均碳储量占比由大到小依次是水库/坑塘、河渠、沿海滩涂、内地滩涂、红树林、沼泽地和湖泊. ③研究期内大湾区湿地面积增加而碳储量呈减少趋势, 单位面积湿地平均碳储量持续下降, 表明湿地生态系统固碳能力下降, 主要原因是水稻种植、水产养殖等人类活动侵占了大量湿地, 导致高固碳能力的沿海滩涂持续减少. 红树林固碳能力较高且面积迅速增加, 但其面积及占比极小(< 0.50%), 无法抵消沿海滩涂、内陆滩涂和沼泽地减少带来的固碳能力损失. 研究结果可为大湾区湿地保护和增强湿地生态系统碳汇能力提供决策依据.
关键词: 湿地      碳储量      时空特征      InVEST模型      粤港澳大湾区     
Spatio-temporal Analysis of Carbon Sequestration of Wetlands in Guangdong-Hong Kong-Macao Greater Bay Area Based on the InVEST model
ZHU Ming-feng , ZHAO Ke-fei , SHAO Zheng , LI Le     
School of Management, Guangdong University of Technology, Guangzhou 510520, China
Abstract: The carbon sequestration capacity of wetland ecosystems is of great significance for achieving the "carbon peaking and carbon neutrality" goals. Spatio-temporal changes in wetlands and the carbon sequestration capacity of the wetland ecosystem in the Guangdong-Hong Kong-Macao Greater Bay Area (GBA) during 1990 and 2020 were investigated based on long-term series and refined wetlands classification datasets. The results showed that: First, the area of wetlands in the GBA increased from 1990 to 2000 and then decreased from 2000 to 2020. The total wetland area increased by 181.08 km2 during the study period, with river channel and reservoirs/ponds as the main growth categories. Wetlands in the GBA were mainly distributed along the banks of the Pearl River and its tributaries, as well as in three coastal areas namely Huangmao Bay, Qi'ao Island, and Shenzhen Bay. Second, the carbon storage changing characteristics of the wetland ecosystem were similar to that of the area, which showed a similar pattern of an initial increased and subsequent decrease during the study period. The carbon storage of the wetlands decreased by 0.12×106 t in the past 30 years. The order of the average carbon storage proportions of the wetland types were reservoir/pond, river channel, coastal beach, inland beach, mangrove, wetland, and lake. Third, the wetland area in the GBA increased, while the carbon storage showed a decreasing trend during the study period. The average carbon storage per unit area of wetlands continued to decrease during the study period, which indicates a continuous decline in the carbon sequestration capacity and quality of the wetland ecosystem, which could be attributed to the encroachment of human activities, such as rice cultivation and aquaculture on a large number of wetlands, leading to a continuous decline in coastal beaches with high carbon sequestration capacity. Although the area of mangrove increased rapidly, yet its area and proportion were too small to offset the carbon sequestration capacity loss induced by the mass disappearance of mudflat, floodplain, and swamp. These findings provide decision-making support for protecting wetlands and enhancing the carbon sink capacity of wetland ecosystems in the GBA.
Key words: wetlands      carbon sequestration      spatio-temporal characteristics      InVEST model      Guangdong-Hong Kong-Macao Greater Bay Area     

2020年9月, 习近平主席在联合国大会上庄严宣示了我国力争“2030前碳达峰、2060前碳中和”的目标. 实现“碳达峰、碳中和”目标最重要的途径有两个:一是能源系统转型, 通过发展清洁能源降低传统化石能源消费量以及工业、交通、建筑等行业的二氧化碳排放量;二是通过生态系统碳汇和负排放技术吸收多余的二氧化碳[1~3]. 作为生态系统中最重要的碳库之一, 湿地生态系统具有极高的固碳速率和持续固碳能力[4, 5]. 研究湿地生态系统的碳汇能力对实现“双碳”目标具有重要意义[6].

《湿地公约》将湿地定义为自然或人工的、常年或季节性积水地带、水域, 包括低潮湿水深不超过6 m的海域. 全球湿地仅占地表面积的5%~8%, 但其土壤碳储量却占陆地土壤碳储量的20%~30%[7, 8]. 湿地植被可以吸收大气中的二氧化碳, 然后掉落堆积在湿地中形成泥炭, 这种地带水分饱和从而具有厌氧性, 使凋落物分解释放二氧化碳的过程更加缓慢, 可有效固定植物残存体中的大部分碳[9, 10].

20世纪90年代, 国际上注意到湿地与气候变化之间的相互作用, 学界逐渐开展了湿地固碳功能的相关研究[11]. 国外学者Mitsch等[8]提出湿地是吸收大气中二氧化碳的最佳环境, 全球湿地总体表现出碳汇特征;Villa等[12]发现了热带湿地的碳汇速率最高, 温带湿地次之, 北方寒带湿地最低的地域规律. 国内学者关于湿地碳汇相关的研究始于21世纪初, 主要从湿地的固碳功能出发探讨湿地的生态服务价值[13~15]. 大量学者在流域或区域尺度上开展湿地固碳功能评估研究[16, 17], 例如通过InVEST模型探索某一流域湿地或其他土地利用类型的碳储量变化特征[18~22];也有部分学者针对单个湿地类别开展碳储量相关的研究, 例如广东、广西地区红树林湿地的碳储量、九龙江河口潮滩湿地的土壤有机碳含量[23~25].

近年来, 国内外学界对湿地生态系统碳汇相关的研究越来越多, 但已有研究存在以下不足:一是现有研究大多基于土地利用/覆被遥感分类数据开展陆地生态系统碳储量或生态系统服务功能评估, 此类研究将湿地作为土地利用/覆被分类系统中的一个类别, 未细分红树林、沼泽、滩涂、河流和湖泊等湿地类别;二是关于湿地生态系统碳储量的已有研究通常仅针对某单一类别湿地的某个碳库, 例如红树林湿地的土壤碳储量, 较少研究涉及完整的湿地生态系统碳汇能力评估.

针对上述问题, 本研究按照《土地利用现状分类》(GB/T 21010-2017)与《湿地分类》(GB/T 24708-2009)的湿地分类标准, 采用包括红树林、河渠、湖泊、水库/坑塘、沿海滩涂、内陆滩涂和沼泽地这7个类别的湿地数据集, 基于InVEST模型系统地估算大湾区内1990~2020年的全类别湿地生态系统的碳储量时空变化特征, 以期为大湾区湿地保护和增强湿地生态系统碳汇能力研究提供参考.

1 材料与方法 1.1 研究区域

粤港澳大湾区(以下简称“大湾区”)是由广州、深圳、珠海、佛山、惠州、东莞、中山、江门、肇庆等9个内地城市和香港、澳门2个特别行政区组成的世界级城市群(图 1), 总面积5.6万km2, 拥有约8 000万人口. 大湾区地理条件优越, 地处珠江入海口, 濒临南海, 属亚热带海洋性季风气候, 夏季多雨, 降水量充足, 河网密布, 海岸线绵长, 拥有河渠、湖泊、水库/坑塘、红树林、滩涂和沼泽等丰富的湿地类型, 湿地面积约4 353.73 km2, 约占全区面积的7.8%, 具有涵养水源、调节气候和固碳等多种生态系统服务功能. 大湾区的湿地分布与水网分布密切相关, 集中分布在珠江流域及沿海一带, 城市内部湿地分布较为分散.

图 1 大湾区土地利用现状 Fig. 1 Land use in the Greater Bay Area

1.2 数据来源与预处理

本研究使用的主要数据包括粤港澳大湾区行政边界数据、土地利用分类数据、红树林分布数据和湿地碳密度数据. 其中, 粤港澳大湾区行政边界数据来源于自然资源部标准地图服务系统(http://bzdt.ch.mnr.gov.cn/), 土地利用数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn)发布的中国多时期土地利用遥感监测数据集(CNLUCC), 红树林分布数据来源于贾凯等的研究成果[26], 湿地碳密度数据通过整理相关研究得到. 中国多时期土地利用遥感监测数据集(CNLUCC)分类系统包括耕地、林地、草地、水域、建设用地和未利用土地等6个一级分类及25个二级分类, 空间分辨率为30 m, 时间范围为1980~2023年[27]. 红树林遥感分类数据集来源于广州地理研究所的研究成果, 空间分辨率为30 m, 时间范围为1987~2020年. 红树林是湿地生态系统中单位面积碳储量最高的类别, 其固碳能力远高于其他湿地类别[28]. 但是, CNLUCC数据集中并未细分红树林这一类别. 参考《土地利用现状分类》(GB/T 21010-2017)与《湿地分类》(GB/T 24708-2009)的湿地分类标准, 提取CNLUCC数据集中与湿地相关的沼泽地、河渠、湖泊、水库、内地滩涂、沿海滩涂6个二级类别, 将其与红树林遥感分类数据集中的红树林类别共同组成包含7个湿地类别的湿地数据集.

本研究所用到的7个湿地类别的碳密度数据主要通过梳理相关研究所得[20, 29~32]表 1).

表 1 湿地碳密度/t·hm-2 Table 1 Carbon density of wetlands/t·hm-2

1.3 研究方法 1.3.1 土地利用类型时空变化研究方法

土地利用转移矩阵以矩阵的形式将两个不同时期的土地利用/覆盖类型之间互相转换的数量关系展现出来, 可以全面体现出一个区域土地利用/覆盖类型的数量和转移方向. 本研究基于ArcGIS Pro 3.0平台构建大湾区1990年~2020年4个时期的土地利用转移矩阵, 包括土地利用一级类别和湿地二级类别之间的转移矩阵, 通过转移矩阵分析湿地与其他土地利用类型以及不同湿地类别之间的转化情况, 从而揭示不同土地利用/湿地类别之间的转移方向、数量和速率. 本研究基于土地利用转移矩阵绘制了土地利用/湿地转移桑基图以更直观地显示土地利用/湿地类别之间的转入/转出数量和方向.

1.3.2 基于InVEST模型的碳储量估算方法

InVEST模型是用于评估生态系统服务功能量及其经济价值、支持生态系统管理和决策的一套模型系统. 该模型的碳储量模块(carbon storage and sequestration)以土地利用/覆被数据、地上生物碳、地下生物碳、土壤碳和死亡有机质碳密度为数据源, 可计算给定土地利用/覆被情况下的碳储量, 在区域碳储量评估中应用广泛[30, 33, 34]. 将湿地生态系统中不同湿地类别的的4个碳库的碳密度之和乘以相应湿地类别的面积并求和, 即可得到研究区内湿地生态系统的总碳储量. 计算公式为:

(1)
(2)

式中, Ci表示第i种湿地类别的碳密度, Ci_above表示第i种湿地类别地上生物量的碳密度, Ci_below表示第i种湿地类别地下生物量的碳密度, Ci_soil表示第i种湿地类别的土壤碳密度, Ci_dead表示第i种湿地类别的死亡有机质碳密度;Ctotal表示总碳储量, n表示有n种湿地类别, Ci表示第i种湿地类别的碳密度, Si表示第i种湿地类别的面积.

2 结果与分析 2.1 湿地时空变化

基于7个类别湿地分类数据的统计结果显示, 1990年、2000年、2010年和2020年, 大湾区湿地面积分别是4 172.65、4 708.36、4 439.72和4 353.73 km2. 本研究期内, 大湾区湿地面积总体呈先增加后减少的特征, 1990~2000年间湿地面积增加了约12.84%(535.71 km2), 2000~2020年间湿地面积持续减少约7.53%(354.63 km2). 具体地, 湿地面积增加的主要类别是河渠和水库/坑塘, 减少的主要类别是沿海滩涂和内陆滩涂.

土地利用一级类别转移桑基图显示(图 2), 本研究期内大湾区土地利用/覆被主要转移特征为耕地、林地和湿地转出为建设用地. 其中湿地的转移特征呈现为:1990~2000年, 湿地转出方向以建设用地为主;2000~2010年, 湿地转出方向包括建设用地、耕地和林地;2010~2020年, 湿地转出方向包括耕地、林地、建设用地和草地. 总体上, 湿地转出的主要方向是建设用地和耕地. 20世纪90年代以来, 珠三角地区大量开展滨海水产养殖、湿地围垦、城市建设等活动, 是大湾区湿地面积减少而耕地和建设用地增加的主要原因;水利建设和内陆水产养殖导致的河渠、水库/坑塘增加是大湾区湿地面积增加的主要原因. 同时, 农业活动产生的化肥残留、城镇工业活动产生的废水和废气等污染物流入湿地等均会对湿地生态系统健康状况产生不良影响, 增加周边湿地退化风险[35, 36].

图 2 土地利用一级类别转移桑基图 Fig. 2 Transfer map of level Ⅰ land use classes

珠江及其支流水系等河流沿岸拥有较为丰富的河渠、湖泊、内陆滩涂和沼泽等湿地类别, 红树林、沿海滩涂主要分布在滨海地区. 黄茅海湾、淇澳岛和深圳湾是大湾区湿地分布较为集中、湿地类别丰富的3个区域, 拥有成片的红树林、沿海滩涂、水库/坑塘等湿地类别.

图 3所示, 本研究期内黄茅海湾、淇澳岛和深圳湾这3个区域湿地的类别和分布均发生了较大变化. 1990~2000年, 黄茅海湾两侧沿海滩涂大面积消失, 转化为水库/坑塘;淇澳岛湿地分布相对稳定, 但中山市陆地东侧(靠淇澳岛方向)沿海滩涂大面积消失;深圳湾海岸带红树林面积有所增加. 2000~2010年, 黄茅海湾东侧沿海滩涂持续转化为水库/坑塘;淇澳岛北侧沿海滩涂大面积减少, 西北侧部分沿海滩涂转化为稀疏的红树林, 中山市东侧沿海滩涂持续退化;深圳湾南侧内陆滩涂转变为入海河渠. 2010~2020年, 黄茅海湾西侧沿海滩涂全部消失, 转化为水库/坑塘地类;淇澳岛北部沿海滩涂转化为红树林, 原有红树林分布更紧密且覆盖面扩大, 中山市东侧沿海滩涂也有所恢复;深圳湾的湿地类别与面积都较为稳定. 本研究期内黄茅海湾和淇澳岛区域开展的农田开垦、水产养殖等活动侵占了沿海湿地[37], 导致沿海滩涂、内陆滩涂和沼泽地面积减少, 水库/坑塘湿地面积增加;1984年香港政府在深圳湾南岸划定米埔自然保护区和1988年广东省政府在深圳湾北岸设立的福田红树林自然保护区使深圳湾区域的红树林湿地面积保持稳定并有所增长. 除了保护现有红树林使其自然修复外, 研究区内还种植了人工红树林, 有助于红树林湿地的保护和恢复[38].

图 3 主要湿地类别时空变化 Fig. 3 Spatio-temporal changes in major wetland types

大湾区主要湿地类别面积大小依次为水库/坑塘、河渠、沿海滩涂、内陆滩涂、红树林、沼泽地和湖泊. 本研究期内, 大湾区主要湿地类别面积变化特征表现为红树林、河渠、湖泊和水库/坑塘面积增加, 沿海滩涂、内陆滩涂和沼泽地面积持续减少. 其中, 红树林面积由6.16 km2增加至21.86 km2, 增幅接近255%;河渠由1 334.47 km2增加至1 427.60 km2, 增幅约8.32%;湖泊面积由1.25 km2增加至12.49 km2, 增幅约902.24%;水库/坑塘面积由2 421.58 km2增加至2 766.78 km2, 增幅约14%;而沿海滩涂与内陆滩涂面积分别由1990年的258.84 km2、148.04 km2减少至2020年的39.32 km2、84.51 km2, 降幅约84.81%和42.91%;沼泽地面积由2.32 km2减少至1.16 km2, 降幅为50.00%(表 2).

表 2 1990~2020年大湾区湿地面积变化 Table 2 Area changes in wetlands in the Greater Bay Area from 1990 to 2020

湿地二级类别转移桑基图显示(图 4), 大湾区内湿地主要类别之间的转化主要发生在河渠、红树林、沿海滩涂、内陆滩涂和水库/坑塘之间. 1990~2000年, 湿地二级类别之间相互转化较为密切, 转出面积大小依次为:沿海滩涂(70.96 km2)、内陆滩涂(31.88 km2)、水库/坑塘(3.74 km2)、红树林(2.47 km2)和河渠(0.73 km2). 湖泊和沼泽面积较为稳定. 2000~2010年, 河渠、水库/坑塘、沿海滩涂、内陆滩涂与红树林之间仍有相互转化, 转出面积大小依次为沿海滩涂(34.74 km2)、内陆滩涂(24.51 km2)、水库/坑塘(20.87 km2)、河渠(18.65 km2)和红树林(1.13 km2), 大部分沼泽地转出为水库/坑塘(1.23 km2), 湖泊的面积变化较小. 2010~2020年, 主要湿地类别间的转出面积依次为水库/坑塘(42.85 km2)、内陆滩涂(32.81 km2)、河渠(25.82 km2)、沿海滩涂(7.40 km2)和红树林(2.12 km2). 湖泊与沼泽地转出面积仍较小, 但湖泊的转入面积激增(8.47 km2).

图 4 湿地二级类别转移桑基图 Fig. 4 Transfer map of level Ⅱ wetland classes

总的来说, 1990~2020年间, 大湾区湿地与建设用地、耕地、林地、草地、水域和未利用地之间相互转化, 湿地面积呈先增加后减少的趋势, 共增加了181.08 km2. 就二级湿地类别的变化来看, 河渠、水库/坑塘、湖泊和红树林的面积增加, 沿海滩涂、内陆滩涂和沼泽地的面积减少.

2.2 湿地碳储量时空变化

InVEST模型的评估结果显示, 本研究期内大湾区湿地生态系统碳储量的变化特征与湿地总面积的变化特征相似, 呈先增加后减少的趋势. 其中, 1990~2000年湿地总碳储量呈增加趋势, 2000~2020年持续减少. 具体而言, 1990年大湾区湿地的总碳储量为3.47 ×106 t, 平均碳密度为0.83 kg·m-2;2000年的总碳储量为3.72×106 t, 平均碳密度为0.79 kg·m-²;2010年的总碳储量为3.44×106 t, 平均碳密度为0.78 kg·m-²;2020年的总碳储量为3.35×106 t, 平均碳密度为0.77 kg·m-². 根据2023年中国碳市场年报, 2023年碳配额平均交易价格为68.15元·t-1, 以此为参考价格估算1990年、2000年、2010年和2020年的碳汇价值分别为2.36亿、2.54亿、2.34亿和2.28亿元. 30 a间湿地碳储量共损失0.12×106 t, 平均每年损失碳储量为0.03×106 t. 1990~2000年湿地总碳储量呈增加趋势, 增幅约为7.01%, 2000~2020年湿地总碳储量呈持续下降趋势, 降幅约9.75%.

大湾区的湿地碳储量分布具有明显的空间异质性, 碳储量高值区域主要集中在河流沿岸、黄茅海湾、淇澳岛及深圳湾.

本研究期内黄茅海湾、淇澳岛及深圳湾主要湿地类别的变化导致这3个湿地主要分布区域的碳储量空间分布也发生了相应变化(图 5). 1990~2000年间, 由于沿海滩涂的大面积消失, 黄茅海湾碳储量高值区域大幅减少;淇澳岛碳储量保持稳定, 但其西侧即中山市东侧因部分湿地遭到破坏导致中部碳储量高值区域减少;深圳湾碳储量呈上升趋势, 这主要是由于红树林面积增加导致碳储量高值区域相应增加. 2000~2010年, 由于沿海滩涂持续转化为水库/坑塘, 黄茅海湾高碳储量区域持续减少;淇澳岛北部沿海滩涂大面积减少导致碳储量减少, 原来连片的碳储量高值区域逐渐零碎化, 中山市东侧沿海区域碳储量也持续减少;深圳湾由于红树林面积增加使得中部碳储量高值区域扩大并向碳储量低值区延伸. 2010~2020年, 黄茅海湾高碳储量区域完全消失;淇澳岛北部滩涂转变为红树林, 湿地破碎区域逐步变成连片区域, 相应出现了新的成片碳储量高值区域, 中山市东侧由于沿海滩涂的恢复也新增了高碳储量区域;深圳湾整体变化较小, 呈现出碳储量高值区域小幅度向周围延伸的趋势.

图 5 大湾区主要区域湿地碳储量时空变化 Fig. 5 Spatio-temporal changes in wetland carbon storage in major areas of the Greater Bay Area

大湾区湿地生态系统中碳储量最多的湿地类别是水库/坑塘, 本研究期该湿地类别的碳储量平均约占湿地生态系统总碳储量的61.03%;其次是河渠, 平均占比约为28.46%;再次之分别是沿海滩涂(7.46%)、内陆滩涂(1.82%)、红树林(1.08%)、沼泽地(0.11%)和湖泊(0.04%). 虽然水库/坑塘和河渠的固碳能力较低, 但这2个湿地类别约占大湾区湿地总面积的94.28%, 且持续增加, 使其碳储量占比大且持续增加. 1990年, 沿海滩涂的碳储量占比为15.72%, 但随着面积持续下降, 其碳储量占比减少至2020年的2.47%. 内陆滩涂的碳密度略小于湿地生态系统平均碳密度, 因此其碳储量降幅小于面积减少幅度, 具体体现为本研究期内该类别的碳储量降幅为1.03%而面积变化幅度为1.61%;沼泽地的碳密度较高, 因此尽管沼泽地面积、占比及变化都很小, 但该湿地类别的碳储量变化幅度远大于面积变化幅度, 表现为其面积占比由1990年的0.06%减少至2020年的0.03%, 碳储量占比却由0.15%降低至0.08%. 类似地, 红树林的碳密度是所有湿地类别中最高的, 红树林的碳储量变化幅度也远大于其面积变化幅度. 本研究期内红树林面积持续增加, 虽然面积占比仅由1990年的0.15%增加至2020年的0.50%, 但是红树林碳储量占比由1990年的0.56%持续增长至2020年的2.07%, 这体现了红树林在湿地生态系统碳汇功能中的重要性(表 3).

表 3 大湾区湿地碳储量变化 Table 3 Carbon storage changes in wetlands in the Greater Bay Area

2.3 大湾区湿地生态系统固碳能力分析

表 4显示, 本研究期内大湾区湿地生态系统单位面积平均碳储量持续下降, 由1990年的0.83 kg·m-2持续下降至2020年的0.77 kg·m-2, 这意味着大湾区湿地生态系统的平均固碳能力持续下降. 尽管湿地总面积在1990~2020年有所增加, 但其平均固碳能力却呈持续下降趋势. 导致这一结果的原因有:一是本研究期内高固碳能力的沿海滩涂面积持续减少;二是虽然河渠和水库/坑塘等水域面积占比极高且持续增加, 但水域的固碳能力较低;三是红树林面积大幅增加且其固碳能力较强, 但是面积极小, 无法抵消沿海滩涂和沼泽地等湿地面积减少带来的固碳能力损失.

表 4 湿地面积与碳储量变化 Table 4 Changes in wetland area and carbon storage

湿地生态系统中不同湿地类别的固碳能力差异极大, 因此湿地生态系统总碳储量的变化不仅与湿地面积相关, 更重要的是受高固碳能力湿地类别(如红树林、沿海滩涂)面积变化的影响. 具体地, 1990~2020年, 湿地总面积呈现先增加后减少的态势, 碳储量也呈类似的变化特征. 1990~2000年湿地面积增加了12.84%, 碳储量相应增加7.01%, 但单位面积平均碳储量却下降5.16%(表 4). 湿地面积和碳储量增加的主要原因是低固碳能力的水库/坑塘面积增加, 而单位面积平均碳储量减少则主要是高固碳能力的沿海滩涂大面积减少所导致. 2000~2010年湿地总面积减少5.71%, 碳储量相应减少7.41%, 单位面积平均碳储量也下降1.81%. 30 a间沿海滩涂与内陆滩涂持续萎缩, 但红树林面积成倍增长. 相较于1990~2000年, 湿地生态系统单位面积平均碳储量下降幅度减缓, 主要原因是红树林较高的固碳能力抵消了部分沿海滩涂与内陆滩涂面积减少带来的影响. 2010~2020年湿地总面积比上一阶段减少1.94%, 碳储量减少2.53%, 变化幅度基本一致. 期间红树林面积迅速增加, 增幅达42.54%, 虽然沿海滩涂与内陆滩涂分别减少43.01%、13.28%, 但湿地生态系统平均单位面积碳储量仅减少0.61%, 进一步表明红树林面积增加而提高的碳储量抵消了大部分沿海滩涂和内陆滩涂等湿地面积减少导致的碳储量损失.

3 讨论

湿地碳汇在全球碳循环中扮演着重要角色, 合理利用和保护湿地对我国实现“碳中和”目标有重要意义. 准确评估湿地生态系统的碳储量是当前湿地碳汇研究的热点问题. 解决这一问题的关键条件包括, 一是要有长时间序列、高分辨、完整的湿地分类数据, 二是获取各个湿地类别的碳密度.

基于Landsat或MODIS等中、低分辨率遥感影像分类的土地利用/覆被数据集, 如中国科学院资源环境科学与数据中心的CNLUCC数据集、武汉大学的CLCD数据集[39]、国家基础地理信息中心的GlobeLand30数据集[40]等, 大多将湿地整体作为土地利用/覆被分类系统中的一个类别或不包含湿地类别. 这些数据集仅适用于国家或全球尺度的陆地生态系统碳储量评估, 无法满足区域尺度的湿地生态系统碳储量评估的需求. 近几年出现的基于哨兵(Sentinel)或更高分辨率遥感影像的湿地分类研究成果, 为研究区域尺度湿地生态系统的碳储量及其长时间序列的变化提供了较为可靠的湿地分类数据. 例如, 北京师范大学蒋卫国教授团队开发了基于Sentinel-1/2影像的湿地分类算法及包含内陆湿地、滨海湿地和人工湿地3个大类共14个小类的湿地分类数据集[41], 广州地理研究所贾凯博士和中国科学院空天信息创新研究院的袁艺馨博士分别基于GEE平台构建了粤港澳大湾区长时间序列的红树林和滩涂分类数据集[26, 42]. 但是, 目前正在开展的湿地分类遥感制图研究及已发布的湿地分类数据集尚存在一些问题, 包括湿地分类标准不一致、精度不同、湿地类别缺失等, 可能导致使用不同湿地分类数据集的碳储量评估结果存在较大差异甚至冲突.

除湿地分类数据集外, 不同类别湿地的碳密度也是影响湿地生态系统碳储量评估结果的重要因素. 湿地碳密度测定较为困难, 不同湿地类别及同一湿地在不同分布地区的密度差异也极大. 目前绝大部分相关研究均是通过实地采样测量或梳理相关文献来建立不同湿地类别的碳密度表, 而不同文献中关于同一湿地类别的碳密度差异可能也较大, 因此湿地碳密度的误差也会传导至湿地生态系统碳储量评估结果. 湿地生态系统中植被树龄和生态状况也会影响其碳汇能力[38]. 此外, 还有研究表明内陆水体(河流、湖泊、水库)排放的CO2可能会抵消部分湿地的固碳量, 而这一问题在大部分已有研究当中都被忽视[43].

上述湿地分类数据和碳密度差异对湿地生态系统碳储量评估结果的影响在粤港澳大湾区湿地碳汇相关的研究中也有体现. 大湾区在过去30 a间经历了快速的城市化过程, 城市化对生态系统造成了重大压力[44, 45]. 王海云等[46]基于高分遥感影像提取了2010年、2015年和2020年的大湾区湿地数据, 结果表明2010~2020年大湾区湿地面积不断减少, 其中人工湿地相比自然湿地减少面积更大. 于博威等[45]的分析结果显示大湾区湿地面积呈现增加的变化趋势, 并且主要是人工湿地的贡献, 天然湿地持续减少, 建设用地和农田侵占是天然湿地减少的主要原因. 虽然不同学者关于大湾区湿地变化的结果存在较大差异甚至冲突, 但都确认了天然湿地面积持续减少和红树林面积的快速增加, 与本研究的湿地面积变化趋势一致. Deng等[18]的研究结果显示1995~2020年大湾区湿地碳储量呈现出先增加后减少的特征, 总体上湿地碳储量(以C计)由1995年的33.38 Tg减少至16.64 Tg, 碳储量减少的主要原因是稻田流失. 本文的研究结果也显示1990~2020年大湾区湿地碳储量总体减少, 湿地的平均固碳能力在持续下降, 这意味着大湾区高固碳能力的湿地类别面积减少和湿地生态系统的质量的持续衰退.

本研究利用InVEST模型的carbon storage and sequestration模块估算了大湾区7个类别湿地的碳储量, 但估算过程未考虑植被生长阶段和湿地生态系统健康状态对湿地碳汇能力的影响[47, 48]. 同时, 以往的湿地保护政策也主要通过划定保护区来保护湿地数量免受侵害, 忽视了湿地生态质量的保护, 这可能造成湿地面积保持或增加但其固碳能力未相应增加甚至下降的问题. 湿地碳储量核算研究应考虑植被生长阶段、生态系统健康状况等对湿地碳汇能力的影响. 基于自然的解决方案提倡使用自然修复手段, 通过资源高效、适应性动态管理的方式来解决人类社会发展的问题与挑战[49]. 在该理念的倡导下, 我国陆续实施了多项生态保护修复重大工程. 湿地保护工作逐渐由单一的数量保护向湿地生态状况和湿地保护率等多项指标转变, 未来的湿地保护和管理工作应持续重视保护湿地生态质量, 提高湿地生态系统的碳汇潜力, 助力“碳中和”目标的实现.

4 结论

(1)1990~2020年间, 大湾区湿地面积呈现先增加后减少的特征. 大湾区湿地主要分布在珠江及其支系水系沿岸以及黄茅海湾、淇澳岛、深圳湾3个滨海区域. 湿地主要类别中, 水库/坑塘、河渠、湖泊和红树林的面积呈增加趋势, 而沿海滩涂、内陆滩涂和沼泽地的面积持续减少.

(2)本研究期内大湾区湿地生态系统碳储量同样呈现先增加后减少的变化特征. 1990年、2000年、2010年和2020年湿地生态系统总碳储量分别为3.47×106、3.72×106、3.44×106和3.35×106 t, 减少了0.12×106 t. 本研究期内不同湿地类别平均碳储量占比由大到小依次是:水库/坑塘、河渠、沿海滩涂、内地滩涂、红树林、沼泽地和湖泊. 研究期内沿海滩涂和红树林的碳储量变化较为显著, 其中沿海滩涂面积大幅减少导致其碳储量占比15.72%持续下降至2.47%, 红树林面积快速增加使其碳储量占比由0.56%上升至2.07%.

(3)本研究期内大湾区单位面积平均湿地碳储量由1990年的0.83 kg·m-2持续下降至2020年的0.77 kg·m-2, 说明大湾区湿地生态系统的固碳能力持续下降. 导致湿地生态系统固碳能力下降的主要原因是高固碳能力的沿海滩涂面积持续减少, 红树林虽大幅增加但其面积极小, 无法抵消沿海滩涂、内陆滩涂和沼泽地减少带来的碳储量损失.

参考文献
[1] 杨元合, 石岳, 孙文娟, 等. 中国及全球陆地生态系统碳源汇特征及其对碳中和的贡献[J]. 中国科学: 生命科学, 2022, 52(4): 534-574.
Yang Y H, Shi Y, Sun W J, et al. Terrestrial carbon sinks in China and around the world and their contribution to carbon neutrality[J]. Scientia Sinica (Vitae), 2022, 52(4): 534-574.
[2] 丁仲礼. 中国碳中和框架路线图研究[J]. 中国工业和信息化, 2021(8): 54-61.
[3] 王灿, 张雅欣. 碳中和愿景的实现路径与政策体系[J]. 中国环境管理, 2020, 12(6): 58-64.
Wang C, Zhang Y X. Implementation pathway and policy system of carbon neutrality vision[J]. Chinese Journal of Environmental Management, 2020, 12(6): 58-64.
[4] 王法明, 唐剑武, 叶思源, 等. 中国滨海湿地的蓝色碳汇功能及碳中和对策[J]. 中国科学院院刊, 2021, 36(3): 241-251.
Wang F M, Tang J W, Ye S Y, et al. Blue carbon sink function of Chinese coastal wetlands and carbon neutrality strategy[J]. Bulletin of Chinese Academy of Sciences, 2021, 36(3): 241-251.
[5] 吕铭志, 盛连喜, 张立. 中国典型湿地生态系统碳汇功能比较[J]. 湿地科学, 2013, 11(1): 114-120.
Lv M Z, Sheng L X, Zhang L. A Review on carbon fluxes for typical wetlands in different climates of China[J]. Wetland Science, 2013, 11(1): 114-120.
[6] 童成立, 张文菊, 王洪庆, 等. 三江平原湿地沉积物有机碳与水分的关系[J]. 环境科学, 2005, 26(6): 38-42.
Tong C L, Zhang W J, Wang H Q, et al. Relationship between organic carbon and water content in four type wetland sediments in Sanjiang Plain[J]. Environmental Science, 2005, 26(6): 38-42.
[7] Nahlik A M, Fennessy M S. Carbon storage in US wetlands[J]. Nature Communications, 2016, 7. DOI:10.1038/ncomms13835
[8] Mitsch W J, Bernal B, Nahlik A M, et al. Wetlands, carbon, and climate change[J]. Landscape Ecology, 2013, 28(4): 583-597.
[9] 林家洋, 宋哲岳, 李自民, 等. 滨海湿地碳汇和碳负排放技术研究进展[J]. 湿地科学, 2023, 21(2): 302-311.
Lin J Y, Song Z Y, Li Z M, et al. Research progress of carbon sink and carbon negative emission technologies in coastal wetlands[J]. Wetland Science, 2023, 21(2): 302-311.
[10] Leifeld J, Menichetti L. The underappreciated potential of peatlands in global climate change mitigation strategies[J]. Nature Communications, 2018, 9(1). DOI:10.1038/s41467-018-03406-6
[11] Chmura G L, Anisfeld S C, Cahoon D R, et al. Global carbon sequestration in tidal, saline wetland soils[J]. Global Biogeochemical Cycles, 2003, 17(4). DOI:10.1029/2002GB001917
[12] Villa J A, Bernal B. Carbon sequestration in wetlands, from science to practice: An overview of the biogeochemical process, measurement methods, and policy framework[J]. Ecological Engineering, 2018, 114: 115-128.
[13] Liu X Y, Lu X X, Yu R H, et al. Distribution and storage of soil organic and inorganic carbon in steppe riparian wetlands under human activity pressure[J]. Ecological Indicators, 2022, 139. DOI:10.1016/j.ecolind.2022.108945
[14] 刘子刚, 张坤民. 湿地生态系统碳储存功能及其价值研究[J]. 环境保护, 2002, 30(9): 31-33.
Liu Z G, Zhang K M. Study on carbon stock function and its value in wetland ecosystem[J]. Environmental Protection, 2002, 30(9): 31-33.
[15] 翟夏杰, 崔丽娟, 李伟, 等. 中国典型湿地生态系统的固碳价值研究[J]. 水生态学杂志, 2024, 45(6): 1-8.
Zhai X J, Cui L J, Li W, et al. Research on carbon sequestration value of typical wetland ecosystem in China[J]. Journal of Hydroecology, 2024, 45(6): 1-8.
[16] 孔东升, 张灏. 张掖黑河湿地国家级自然保护区固碳价值评估[J]. 湿地科学, 2014, 12(1): 29-34.
Kong D S, Zhang H. Evaluation on the value of carbon sequestration function in the Heihe Wetland National Nature Reserve in Zhangye[J]. Wetland Science, 2014, 12(1): 29-34.
[17] 马琼芳, 燕红, 李伟, 等. 吉林省湿地生态系统固碳和释氧服务功能分析[J]. 生态环境学报, 2021, 30(12): 2351-2359.
Ma Q F, Yan H, Li W, et al. Evaluation of carbon sequestration and oxygen release function of wetland ecosystem in Jilin Province[J]. Ecology and Environmental Sciences, 2021, 30(12): 2351-2359.
[18] Deng Y W, Jiang W G, Wu Z F, et al. Assessing and characterizing carbon storage in wetlands of the Guangdong-Hong Kong-Macau Greater Bay Area, China, During 1995-2020[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 15: 6110-6120. DOI:10.1109/JSTARS.2022.3192267
[19] 李瑾璞, 夏少霞, 于秀波, 等. 基于InVEST模型的河北省陆地生态系统碳储量研究[J]. 生态与农村环境学报, 2020, 36(7): 854-861.
Li J P, Xia S X, Yu X B, et al. Evaluation of carbon storage on terrestrial ecosystem in Hebei Province based on InVEST model[J]. Journal of Ecology and Rural Environment, 2020, 36(7): 854-861.
[20] 林彤, 杨木壮, 吴大放, 等. 基于InVEST-PLUS模型的碳储量空间关联性及预测——以广东省为例[J]. 中国环境科学, 2022, 42(10): 4827-4839.
Lin T, Yang M Z, Wu D F, et al. Spatial correlation and prediction of land use carbon storage based on the InVEST-PLUS model- A case study in Guangdong Province[J]. China Environmental Science, 2022, 42(10): 4827-4839.
[21] 卫泽柱, 董斌, 许海锋, 等. 鄱阳湖地区典型湿地碳储量时空演变与情景预测[J]. 水土保持通报, 2023, 43(3): 290-300.
Wei Z Z, Dong B, Xu H F, et al. Spatial-temporal evolution and scenario prediction of carbon storage in typical wetlands in Poyang Lake region[J]. Bulletin of Soil and Water Conservation, 2023, 43(3): 290-300.
[22] 郑慧玲, 郑辉峰. 基于土地利用/覆被动态变化的粤港澳大湾区碳储量评价与预测[J]. 环境科学, 2024, 45(4): 2321-2331.
Zheng H L, Zheng H F. Assessment and prediction of carbon storage based on land use/land cover dynamics in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Environmental Science, 2024, 45(4): 2321-2331.
[23] 戴子熠, 廖丽蓉, 梁嘉慧, 等. 1988-2018年广西北海红树林蓝碳储量变化分析[J]. 海洋环境科学, 2022, 41(1): 8-15, 23.
Dai Z Y, Liao L R, Liang J H, et al. Blue carbon stocks of mangrove from 1988 to 2018 in Beihai, Guangxi[J]. Marine Environmental Science, 2022, 41(1): 8-15, 23.
[24] 覃国铭, 张靖凡, 周金戈, 等. 广东省红树林土壤碳储量及固碳潜力研究[J]. 热带地理, 2023, 43(1): 23-30.
Qin G M, Zhang J F, Zhou J G, et al. Soil carbon stock and potential carbon storage in the mangrove forests of Guangdong[J]. Tropical Geography, 2023, 43(1): 23-30.
[25] 朱耀军, 郭菊兰, 武高洁. 红树林湿地有机碳研究进展[J]. 生态学杂志, 2012, 31(10): 2681-2687.
Zhu Y J, Guo J L, Wu G J. Organic carbon in mangrove wetlands: a review[J]. Chinese Journal of Ecology, 2012, 31(10): 2681-2687.
[26] 贾凯, 陈水森, 蒋卫国. 粤港澳大湾区红树林长时间序列遥感监测[J]. 遥感学报, 2022, 26(6): 1096-1111.
Jia K, Chen S S, Jiang W G. Long time-series remote sensing monitoring of mangrove forests in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. National Remote Sensing Bulletin, 2022, 26(6): 1096-1111.
[27] 徐新良, 刘纪远, 张树文, 等. 中国多时期土地利用遥感监测数据集(CNLUCC)[EB/OL]. https://www.resdc.cn/DOI/DOI.aspx?DOIID=54, 2023-01-01.
[28] 张莉, 郭志华, 李志勇. 红树林湿地碳储量及碳汇研究进展[J]. 应用生态学报, 2013, 24(4): 1153-1159.
Zhang L, Guo Z H, Li Z Y. Carbon storage and carbon sink of mangrove wetland: research progress[J]. Chinese Journal of Applied Ecology, 2013, 24(4): 1153-1159.
[29] 吴隽宇, 张一蕾, 江伟康. 粤港澳大湾区生态系统碳储量时空演变[J]. 风景园林, 2020, 27(10): 57-63.
Wu J Y, Zhang Y L, Jiang W K. Spatio-temporal evolution of ecosystem carbon storage in Guangdong-Hong Kong-Macao Greater Bay Area[J]. Landscape Architecture, 2020, 27(10): 57-63.
[30] 朱志强, 马晓双, 胡洪. 基于耦合FLUS-InVEST模型的广州市生态系统碳储量时空演变与预测[J]. 水土保持通报, 2021, 41(2): 222-229, 239.
Zhu Z Q, Ma X S, Hu H. Spatio-temporal evolution and prediction of ecosystem carbon stocks in Guangzhou City by coupling FLUS-InVEST models[J]. Bulletin of Soil and Water Conservation, 2021, 41(2): 222-229, 239.
[31] Ma T T, Li X W, Bai J H, et al. Four decades' dynamics of coastal blue carbon storage driven by land use/land cover transformation under natural and anthropogenic processes in the Yellow River Delta, China[J]. Science of the Total Environment, 2019, 655: 741-750. DOI:10.1016/j.scitotenv.2018.11.287
[32] Zhang Z, Jiang W G, Peng K F, et al. Assessment of the impact of wetland changes on carbon storage in coastal urban agglomerations from 1990 to 2035 in support of SDG15.1[J]. Science of the Total Environment, 2023, 877: 162824. DOI:10.1016/j.scitotenv.2023.162824
[33] 张哲, 时振钦, 朱文博, 等. 基于InVEST模型的伏牛山地区生态系统碳储量时空变化模拟[J]. 环境科学, 2024, 45(4): 2332-2341.
Zhang Z, Shi Z Q, Zhu W B, et al. Simulation of temporal and spatial changes in ecosystem carbon storage in Funiu Mountains based on InVEST model[J]. Environmental Science, 2024, 45(4): 2332-2341.
[34] 侯建坤, 陈建军, 张凯琪, 等. 基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应[J]. 环境科学, 2022, 43(11): 5253-5262.
Hou J K, Chen J J, Zhang K Q, et al. Temporal and spatial variation characteristics of carbon Storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and Its response to different future scenarios[J]. Environmental Science, 2022, 43(11): 5253-5262.
[35] 陈慕婷, 周剑云, 鲍梓婷, 等. 省域湿地退化风险评价研究——基于地理格网与景观特征单元的多尺度分析[J]. 中国园林, 2023, 39(4): 52-58.
Chen M T, Zhou J Y, Bao Z T, et al. Study on risk assessment of provincial wetland degradation-Based on multi-scale analysis of geographical grids and landscape character units[J]. Chinese Landscape Architecture, 2023, 39(4): 52-58.
[36] 胡盼盼, 李锋, 胡聃, 等. 珠三角城市群湿地景观格局变化及其驱动因素分析[J]. 环境工程技术学报, 2021, 11(3): 418-427.
Hu P P, Li F, Hu D, et al. Change of wetland landscape patterns and its driving factors in Pearl River Delta urban agglomeration[J]. Journal of Environmental Engineering Technology, 2021, 11(3): 418-427.
[37] 裴理鑫, 叶思源, 何磊, 等. 中国湿地资源与开发保护现状及其管理建议[J]. 中国地质, 2023, 50(2): 459-478.
Pei L X, Ye S Y, He L, et al. Wetland resources, development and protection in China and management recommendations[J]. Geology in China, 2023, 50(2): 459-478.
[38] 张信, 陈建裕, 杨清杰. 粤港澳大湾区红树林时空分布演变及现存林龄遥感分析[J]. 海洋学报, 2023, 45(3): 113-124.
Zhang X, Chen J Y, Yang Q J. Analysis of spatial-temporal distribution evolution and age of existing mangrove forests in Guangdong-Hong Kong-Macao Greater Bay Area using remotely sensed data[J]. Haiyang Xuebao, 2023, 45(3): 113-124.
[39] Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925. DOI:10.5194/essd-13-3907-2021
[40] Chen J, Chen J. GlobeLand30: operational global land cover mapping and big-data analysis[J]. Science China Earth Sciences, 2018, 61(10): 1533-1534.
[41] Peng K F, Jiang W G, Hou P, et al. Continental-scale wetland mapping: a novel algorithm for detailed wetland types classification based on time series Sentinel-1/2 images[J]. Ecological Indicators, 2023, 148. DOI:10.1016/j.ecolind.2023.110113
[42] 袁艺馨, 温庆可, 徐进勇, 等. 1990年—2020年粤港澳大湾区红树林动态变化遥感监测[J]. 遥感学报, 2023, 27(6): 1496-1510.
Yuan Y X, Wen Q K, Xu J Y, et al. Remote sensing monitoring of mangrove forest changes from 1990 to 2020 in Guangdong-Hong Kong-Macao Greater Bay Area[J]. National Remote Sensing Bulletin, 2023, 27(6): 1496-1510.
[43] Ran L S, Butman D E, Battin T J, et al. Substantial decrease in CO2 emissions from Chinese inland waters due to global change[J]. Nature Communications, 2021, 12(1). DOI:10.1038/s41467-021-21926-6
[44] 艾彬, 徐晓苹, 马世发, 等. 2035年珠江三角洲核心区湿地退化风险评估研究[J]. 湿地科学, 2020, 18(3): 320-327.
Ai B, Xu X P, Ma S F, et al. Risk Assessment of wetland degradation in the core area of the Pearl River Delta in 2035[J]. Wetland Science, 2020, 18(3): 320-327.
[45] 于博威, 谢毅梁, 马曦瑶, 等. 近40年粤港澳大湾区湿地景观及其受损程度时空变化[J]. 环境生态学, 2022, 4(5): 59-68.
Yu B W, Xie Y L, Ma X Y, et al. Wetland landscape pattern change and its damage degree in Guangdong-Hong Kong-Macau Bay Area in recent 40 years[J]. Environmental Ecology, 2022, 4(5): 59-68.
[46] 王海云, 匡耀求, 郑少兰, 等. 粤港澳大湾区2010—2020年湿地时空变化及驱动因素分析[J]. 水资源保护, 2023, 39(4): 126-134.
Wang H Y, Kuang Y Q, Zheng S L, et al. Spatial-temporal changes of wetlands and its driving factors in Guangdong-Hong Kong-Macao Greater Bay Area from 2010 to 2020[J]. Water Resources Protection, 2023, 39(4): 126-134.
[47] 段兰兰, 刘菊, 贺丽, 等. 中条山森林碳密度时空变化及其驱动因素分析[J]. 水土保持学报, 2023, 37(4): 158-165.
Duan L L, Liu J, He L, et al. Spatio-temporal variation and driving factors of forest carbon density in Zhongtiao Mountains[J]. Journal of Soil and Water Conservation, 2023, 37(4): 158-165.
[48] 崔写, 董燕, 张露尹, 等. 基于SSP-RCP情景的黄土高原土地变化模拟及草原碳储量[J]. 环境科学, 2024, 45(5): 2817-2827.
Cui X, Dong Y, Zhang L Y, et al. Land change simulation and grassland carbon storage in the Loess Plateau based on SSP-RCP scenarios[J]. Environmental Science, 2024, 45(5): 2817-2827.
[49] Benyus J M. Biomimicry: innovation inspired by nature (2nd ed.)[M]. New York: Harper Perennial, 2002.
基于InVEST模型的粤港澳大湾区湿地碳储量时空变化分析
朱明凤, 赵克飞, 邵铮, 李乐